何其恢，朱立東

1 引言

衛(wèi)星通信信道具有開放性特征. 其傳輸路徑長、信號衰落大且多普勒效應明顯. 在衛(wèi)星通信條件下對信號進行同步一般設置同步頭引導數據段，利用同步頭來降低同步難度. 為了提高通信的安全性，有必要采用一些方法來削弱信號自相關函數的周期性以降低信號被截獲的概率，這種做法同時提高了接收方進行信號捕獲與同步的難度.

PMF-FFT（Partial Matched Filters-Fast Fourier Trans?form）算法［1，2］具有優(yōu)秀的同步性能，計算復雜度相對較低，對多普勒頻偏的容忍度高于傳統(tǒng)的匹配濾波，從而在各種通信系統(tǒng)中得到了廣泛的應用［3~5］，但是直接將PMF-FFT 算法用于衛(wèi)星通信系統(tǒng)中則存在一些問題.采用窗函數進行優(yōu)化的PMF-FFT 算法［6］具有優(yōu)秀的同步性能，能夠精確地估計出信號的時延與頻偏. 串行快速傅里葉變換［7］利用信號的過采樣更改了經典FFT（Fast Fourier Transform）算法的運算流程，提高了算法的頻偏估計范圍. 這些算法雖然相比于傳統(tǒng)FFT 并行算法降低了復雜度，但對系統(tǒng)運算能力仍然有較高的要求. 2014 年，J Qi 提出了一種折疊PMF-FFT 算法［8］，這種算法在傳統(tǒng)PMF-FFT 算法的基礎上降低了系統(tǒng)需要的加法器個數，提升了運算速度. 但目前有關PMFFFT 算法的性能推導都在接收信號能與本地信號基本對齊的基礎上進行［1~8］，這就意味著接收端需要以不高于一個碼片周期的長度為步長使用PMF-FFT 算法進行搜索. 在衛(wèi)星通信環(huán)境下，使用這樣的算法進行全天候的信號檢測對衛(wèi)星的功耗和運算能力具有很高的要求，所以需要設計一種以更大步長來進行信號檢測的粗同步方法來避免這一點.

在一種同時采用了跳頻和擴頻技術的信號的基礎上，本文在傳統(tǒng)PN（Pseudorandom Noise）序列和頻率雙圖案同步算法［9］的基礎上提出了一種能量檢測粗同步方法進行信道監(jiān)測，這種算法能夠利用確定的跳頻圖案和跳碼圖案提升信號同步性能. 經理論計算和仿真驗證，該算法與PMF-FFT 算法配合，能夠在較低的計算復雜度下提供很好的捕獲性能，滿足星上通信的功耗和處理能力要求.

2 跳頻與跳碼擴頻雙圖案信號結構

首先給出一種具有代表性的信號結構以進行之后的分析與推導. 由于衛(wèi)星通信信道具有開放性，衛(wèi)星通信信號需要具有抗截獲和抗干擾的性質［10］. 不失一般性，該信號同時采用了快速跳頻與跳碼擴頻技術. 由于普通直擴信號具有非常好的自相關函數周期特性，跳碼擴頻技術大大削弱了這一性質，如果一個同步算法能夠在跳碼擴頻信號上取得很好的效果，它在對普通直擴信號進行同步時應該會取得更好的效果. 基礎信號的頻率/擴頻碼結構如圖1所示.

圖1 雙圖案幀結構示意圖

其中每跳對應一個信息碼元，X為跳頻圖案上根據時間變化的點，此處為了安全性考慮，跳頻圖案采用文獻［11］中提出的時間信息驅動的采樣混沌序列，跳頻圖案非常近似于均勻分布.PNY 為使用混沌序列從擴頻碼集合中選擇出的擴頻碼.

雙圖案指跳頻圖案和跳碼圖案. 跳碼擴頻去除了信號自相關函數的周期性，增加了信號的抗截獲性能，跳頻技術同樣帶來了安全性能的提升. 擴頻信號的自相關函數具有明顯的自相關峰值，有利于完成信號同步. 對跳頻信號進行接收時，若信號未達到同步，接收信號能量無法集中于預定的中頻或基帶，會出現較多散落于頻譜中的跳頻分量，使用濾波器可以有效地濾除這些分量. 所以當信號未達到同步時會有相當的信號分量無法通過濾波器，故采用擴頻跳頻雙圖案信號對不同檢測方法生成的檢測函數次峰值都有一定的抑制作用［5］.

3 采用雙本地信號的能量檢測粗同步算法

設計一種衛(wèi)星導頻信號粗同步算法，該算法設定兩個時延不同的本地信號與接收信號進行相關同步，縮小精同步算法的搜索區(qū)間. 該算法通過檢測基帶信號能量來完成導頻信號的粗同步，將具體的時延位置確定在一個符號的時間范圍內. 在傳統(tǒng)雙圖案早遲門同步算法的基礎上接下來介紹該算法的設計原理，并對其功能進行分析.

3.1 雙本地信號同步

當通過粗同步得到粗捕獲信號后，信號仍存在較大的時域和頻域誤差. 接收方需要在粗同步捕獲位置周圍的區(qū)間上進行進一步的搜索，來確定信號時延的具體位置. 在傳統(tǒng)的串行檢測中，接收端會生成一個本地信號與接收信號進行相關處理，通過檢測相關峰值來決定粗同步的位置，這時有可能出現圖2情況.

圖2 采用原始載頻進行同步可能出現的情況

可以發(fā)現，雖然接收信號中真正的信號開始時間應該在x跳中捕獲得到，但相關峰值出現在第x+1跳中. 為了防止漏檢的情況發(fā)生，需要在捕獲點前后各一個符號周期（共兩個符號周期）進行搜索，這會大大增加精同步算法的搜索區(qū)間，從而提高系統(tǒng)的計算負荷，使用雙本地信號同步技術可以有效降低該搜索區(qū)間的長度.

設置提前本地信號和滯后本地信號如圖3所示.

圖3 雙本地信號同步載頻序列結構

將原始載頻信號分別進行時域上的移位，后移0.5跳形成滯后本地信號，前移0.5 跳構成提前本地信號.使用這兩個序列替代載頻對接收信號進行相關處理，可以使得捕獲峰值分別前移/后移，這樣就可以確定同步位置就處于兩個峰值之間.

捕獲流程：將粗捕獲信號分別與滯后本地信號和提前本地信號進行并行檢測，得到兩個相關函數峰值.計算兩個峰值所處碼片位置之間的差值，將該差值作為下一步精同步的搜索區(qū)間.

設普通的并行檢測算法漏檢概率為PLo，虛警概率為Pfa，由于該同步方案使用二次判定，只有兩個本地信號相關判決的結果相同，該次判定才被認定為一次合法的判決，故雙本地信號同步檢測的漏檢和虛警概率為：

相比于傳統(tǒng)的并行檢測方法，本方法使用兩個判決器進行判決，所以虛警概率和漏檢概率都有所降低.

3.2 能量檢測法

跳頻信號在未能完全對齊時，接收信號與本地信號的相關過程如圖4所示：

圖4 未對齊時本地信號與接收信號相關情況

圖中的灰色部分是本地信號與接收信號頻點相同的部分，該部分信號相乘并濾波后會得到一個處于中頻的穩(wěn)定信號. 白色部分為本地信號與接收信號頻點未能對齊的部分，其表現為一種跳頻信號，該跳頻信號的頻點分布由跳頻圖案決定. 能量檢測法即對經過濾波器后的相關信號進行能量檢測，理論上來說，本地信號與接收信號之間的時延偏差越低，圖中灰色的對應部分越多，則中頻穩(wěn)定信號的能量越高，通過判定該中頻信號分量的能量大小即可對信號進行粗捕獲.

由于采用了跳碼擴頻技術和跳頻技術，若接收端截取信號的M個符號進行信號捕獲，每個符號包含N個碼片，碼片周期為Tc，且有TM為符號周期，TM=NTc.接收信號可以表示為：

r(t)=w(t)+n(t)

其中，n(t)為噪聲，fw(t)為隨時間變化的跳頻頻點，c表示擴頻碼取值，d表示傳輸數據的值，p表示該碼片的基帶調制波形，一般為矩形波.fd和θd表示衛(wèi)星運動造成的多普勒頻偏和相移.

時變的本地信號可以表示為：

設T=mTM+nTc，采樣后，接收信號可以表示為：

r(t)=w(t)+n(t)

設fw(mTM+nTc+t)=fw,t(mTM+nTc)，fD(t-T,τ)=fw(t-T)-fw(t+τ-T)，則相關函數可表示為式（5）：

接收信號已經經過了雙本地信號同步粗捕獲，其時延τ小于符號長度NTc. 可以將相關函數分為對齊部分和錯開部分，對齊部分擴頻碼取值、頻點位置等參數均相同，錯開部分為一個跳頻信號，其頻點位置隨時間改變.Cd值為±1，表示相鄰碼片擴頻碼取值的乘積.其中：

fD,t(mTM+nTc,τ)=fw(t+mTM+nT)-fw(t+τ+mTM+nT)（6）

一般來說，接收信號與本地信號相乘后，先經過中頻濾波.

進行積分并得到相關函數，則相關函數可簡化為：

從式（7）看出，由于采用了跳頻技術，相關函數的功率被分散到了幾個不同的頻率上去，除了位于多普勒頻偏處的主頻，其余頻率的分布取決于跳頻圖案相鄰頻點間的差分關系. 對式（7）的前半部分進行離散傅里葉變換，得到：

從功率譜函數可以看出，接收信號對齊部分的信號分量集中在±fd處，從能量檢測的角度看，正負頻率沒有差別，將正負頻率歸一化可以得到：

當τ=0,Ω=0時，有：

同匹配濾波器峰值相同. 可以認為當信號完全對齊時，整個接收信號功率均集中于信號的對齊部分分量.

將相關函數中的時延差τ拆分為兩部分，此時τ=|τx-τd|，τx為相關函數自變量，τd為傳輸時延.

帶入式（9）并取模，可以變換為：

對式（11）進行仿真，其中，M=25,N=64×30=1920，τd=540 chips,fd=3000 Hz,Rc=19.2 kHz 在一個符號時間的時間跨度（在仿真中對應0.01 s）和0~5 kHz頻率范圍內進行時延和多普勒頻偏的搜索，仿真結果如圖5所示.

從圖5（a）中我們可以看出，信號的能量主要集中在fd處，且隨著碼相位偏移逐漸被補償，功率逐漸提高，當式（10）中τ=0,Ω=0時達到最大值.

根據帕斯瓦爾定理，對能量檢測法功率譜以頻率為基礎進行積分，即可得到以時域偏移為自變量的能量檢測函數的輸出曲線，即隨著時間變化的粗捕獲函數曲線，如圖5（b）所示. 可以從圖中發(fā)現，隨著偏移碼相位值逐漸接近真實時延，能量檢測法輸出穩(wěn)步上升，這種上升趨勢說明可以使用能量檢測法作為信號粗同步方法.

圖5 能量檢測法的仿真結果

接下來對式（7）的第2 部分進行分析，討論fD,t(mTM+nTc,τ)的可能分布.

fD,t(mTM+nTc,τ)=fw(t+mTM+nTc,τ)-fw(t+mTM+nTc,τ)，通過前文控制序列選擇部分可知，跳頻頻點由采樣量化后的混沌序列選擇，頻點之間近似相互獨立且服從均勻分布，設共有F個頻點，則有：

本信號使用等間隔跳頻，設fInterval為跳頻頻點間隔，則有：

此時假設fw(t+τ)和fw(t)代表相鄰頻點，式（6）中第2部分的頻點分布如式（13）所示.

由式（7），第1分量為：

第2分量為：

當時延小于一個符號周期時，設τ代表以碼片周期為單位的時延，第1 分量和第2 分量的功率之比為Nτ：τ，由于接收端一共接收M個符號，每個符號對應跳頻系統(tǒng)的一個頻點. 設總能量為EA，所以可以認為每個頻點能量為EAτ/(NM).

可以認為對能量檢測法判決產生干擾的因素有兩點，其一是環(huán)境噪聲，其二是式（15）表示的信號中能夠通過濾波器的部分信號，該部分信號是由于本地信號與接收信號未能完全對齊，跳頻圖案錯開產生的跳頻信號. 這兩點又與低通濾波器帶寬、白噪聲信噪比、跳頻頻點間隔、判決門限相關，接下來對這些因素對同步功能的影響進行定量的分析.

3.3 同步頭長度確定與虛警、檢測概率

為了降低通信信號中信息調制造成比特翻轉對信號同步捕獲過程造成的影響，在信號上設置專門的同步頭. 同步頭為不定長度的信號，它不攜帶信息，接收端能夠根據這段信息更加精確的捕獲信號. 同步頭長度與參數M，即接收端生成的本地信息符號長度相關，一般來說同步頭長度應大于M. 通常M越大，進行同步時相關函數峰值越大，捕獲精度越高. 但與此同時，M的增加會帶來同步頭長度的增加，從而降低消息的傳輸效率，還會導致接收端信號捕獲的復雜度增加. 所以在捕獲性能和復雜度/效率間找到一個平衡，確定一個合適的M值并進一步確認同步頭長度是必要的.

由上一節(jié)可知，采用濾波器和能量檢測進行信號捕獲，影響因素主要由濾波器帶寬、信道噪聲功率、門限以及本地信號長度M等構成，接下來推導粗捕獲時的捕獲概率公式，并根據該公式對參數進行優(yōu)化.

首先確定濾波器帶寬，設濾波器帶寬為B. 已知式（13），設：

FD指與本地信號相乘后產生的跳頻分量，可得：

由于粗捕獲采用提前和滯后信號同步進行，提前和滯后信號與原本的信號存在0.5 個符號周期的時延偏差，且以一個符號周期為間隔進行相關函數計算. 所以當提前信號和滯后信號捕獲完成時，未進行時延處理的載波信號與接收信號的實際相位偏差小于0.5 個符號周期. 即在式（7）中，式（14）代表的第1 分量至少占據整個信號能量的50%，所以以此值作為信號粗捕獲的采樣門限的重要參考.

完全未同步情況下，當本地信號符號長度為M的情況下，可以認為接收信號與本地信號相乘后得到的信號存在M個跳頻信號，當M個跳頻信號中有大于M/2個頻點經過濾波器的情況下會出現虛警，漏檢情況則只與信道噪聲相關. 暫不考慮噪聲情況，只考慮與跳頻分量相關的虛警概率，該虛警概率形式類似于二項分布的累加：

確定濾波器帶寬B和跳頻頻點間隔fInterval，令B=10×fInterval，跳頻頻點數F=100，對M從5至50的情況進行分析，結果如圖6所示.

圖6 跳頻分量引起的虛警概率曲線

可以發(fā)現隨著本地符號長度增加，虛警概率呈指數級下降. 在同步頭長度為10 時，跳頻分量總能量超過門限的概率已低于10-5，可以認為這種情況對系統(tǒng)虛警造成的影響非常低.

經過噪聲信道和低通濾波器后，使用經過濾波器后的能量總值作為捕獲器輸出值. 由于采用能量總值作為輸出值且考慮噪聲對捕獲的影響，可以認為在積分獲得能量的過程中，信道中的高斯白噪聲也進行了積分. 對功率進行積分得到能量的過程近似于對原信號波形進行平方和，故得到的噪聲干擾分布近似于卡方分布.

設跳頻頻點數量為F，跳頻頻點間隔為fInterval=Rc，根據奈奎斯特采樣定律，設定采樣頻率為ns?Rc，ns為單個符號內的采樣點數。濾波器帶寬為B=k?fInterval，信噪比為SNR，信號單位比特能量為Eb. 噪聲的干擾程度由卡方分布的自由度決定，接下來對自由度參數如何確定進行分析.

由于卡方分布可以由相互獨立的標準正態(tài)分布的和來決定，為了便于計算，可以認為信道中高斯白噪聲在非平穩(wěn)信號一個符號周期內的總能量為1，傳輸信號的單位比特能量可以由信噪比來得到，Rb為信號傳輸速率. 設接收端使用的接收信號長度為M個符號，由于噪聲功率為σ02，信號持續(xù)時間為M/Rb，則接收信號能量中包含的歸一化噪聲能量均值為Mσ02/Rb=M，則噪聲分布近似服從于：

其中R為校驗統(tǒng)計量，A表示跳頻分量中通過低通濾波器的部分，其中A可以表示為：

A(i)表示與跳頻信號個數對應的信號能量值，則虛警概率可以表示為：

其中NB表示通過低通濾波器的跳頻信號個數，VT為檢測門限，在同步情況下通過濾波器的信號能量至少為全部信號能量的50%，但考慮到噪聲的影響，若將門限定義為VT=0.5Es，虛警概率會偏高，考慮到噪聲能量累積值服從自由度為M的卡方分布，所以在門限中引入自適應因子表示噪聲能量的期望，其值為M，在之后的分析中令VT=0.4Es+M.

同理可得漏檢概率可表示為：

式（22）中，i表示進入低通濾波器的噪聲分量個數，A(i)表示與跳頻信號個數對應的信號能量值，p(R,A)表示能量值為A(i)時能量檢測值的概率密度分布. 接下來分析在確定信噪比、跳頻間隔、濾波器帶寬和門限的情況下本地信號長度M與虛警、漏檢概率的關系.

B=10 ?fInterval,VT=0.4E+M,ns=10,F=100，噪聲環(huán)境中未同步時的虛警概率如圖7所示.

使用能量檢測方法進行粗捕獲，當提前信號和滯后信號同時判決通過門限時認為捕獲到信號，虛警概率與本地同步信號長度的關系如上圖所示. 可以發(fā)現虛警概率受信道信噪比影響比較大，當信噪比為-20 dB 時，只需使用10個符號用作相關運算就可以將虛警概率降低至1%以下，但當信噪比為-25 dB 時，則需要25 個符號長度的本地信號將虛警概率降低至較為理想的范圍（約5%）. 理論分析結果表明，在信噪比大于-25 dB 的信道中，使用符號長度為20~25的本地信號進行相關能夠確保虛警概率處于較低的水平，一般來說同步頭長度與本地信號長度相等，故同步頭長度為20~25個符號時可以滿足捕獲系統(tǒng)的虛警概率要求. 雖然在噪聲功率更大的情況下虛警概率較高，但是可以通過加入額外的判定程序來降低虛警帶來的影響，該方法仍然能夠使用.

圖7 白噪聲影響理論虛警概率

信號檢測概率與本地序列長度M的關系如圖8所示.

圖8 白噪聲影響理論檢測概率

在提前信號和滯后信號兩次判決均判決失敗的情況下，判定為未捕獲到信號. 從圖中可以看出，在低信噪比情況下漏檢概率較高，雖然隨著本地信號長度增加，漏檢概率下降，但其下降程度仍然不能滿足需要.當信噪比為-20 dB 時，粗捕獲性能顯著提升，在本地信號長度為25符號時漏檢概率能夠降低到1%，信噪比大于等于-15 dB時，只要本地信息長度大于5符號周期就可以使漏檢概率逼近于0. 可以發(fā)現當信噪比大于-20 dB時，采用長度25 的本地信號，即同步頭長25 時粗捕獲系統(tǒng)具有理想的性能.

接下來使用蒙特卡洛方法，對捕獲概率與本地信號長度（同步頭長度）的關系進行仿真，每個點對應1000 次捕獲，取這一千次捕獲中成功次數的均值作為輸出，代表粗捕獲的期望成功次數. 仿真參數如表1所示.

表1 能量檢測方法的仿真參數

從圖9可以看出，雖然蒙特卡洛仿真結果與理論分析結果存在差異，相比于理論曲線，蒙特卡洛仿真曲線存在一些波動，但整體上來說兩條曲線吻合程度很好，可以認為在-20 dB 的情況下，能量檢測粗捕獲算法的實際性能與理論分析得到的結果近似，能夠很好地完成信號粗捕獲的功能.

圖9 蒙特卡洛仿真結果與理論曲線對比結果

粗同步結束后，能夠將時延的估計區(qū)間縮小到一個符號周期的范圍內，可以將粗同步模塊與PMF-FFT模塊進行級聯. PMF-FFT 模塊在確定的區(qū)間內進行搜索并完成信號精同步.

接下來將結合了設計粗同步方法的PMF-FFT 算法與傳統(tǒng)PMF-FFT 算法、全相位預處理PMF-FFT 算法［12，13］以及加窗PMF-FFT 算法［7］的檢測概率進行仿真，設計信號同步頭長度為25. 仿真參數如表2.

表2 同步方法仿真參數

圖10 為不同算法檢測概率的仿真結果，可以看出在64 點FFT 和128 點FFT 的情況 下，傳統(tǒng)PMF-FFT 算法的檢測曲線與結合了雙圖案粗同步方法的PMF-FFT算法檢測概率曲線幾乎相同. 這是由于在該仿真條件下當信噪比小于-20 dB 時，PMF-FFT 算法檢測概率快速下降，粗同步算法引起的性能下降不會影響到PMFFFT 算法的適用范圍. 當使用512 點PMF-FFT 時，可以發(fā)現使用粗同步方法對PMF-FFT 的算法產生了一定的影響，當信噪比低于-20 dB 的情況下，使用了粗同步算法的PMF-FFT算法比傳統(tǒng)PMF-FFT算法檢測概率下降的更快一些. 相較于PMF-apFFT 算法和加窗PMF-FFT算法而言，使用了粗同步的PMF-FFT 算法性能的檢測性能稍差，但是在信噪比大于-20 dB 的情況下可以認為幾種算法具有相同的檢測與同步性能.

圖10 信號檢測性能對比圖

4 計算復雜度分析

接下來比較傳統(tǒng)PMF-FFT 算法、本文所設計同步方法、加窗PMF-FFT 算法以及PMF-apFFT 算法的單位時間運算量.

設發(fā)送信號的符號速率為Rs，碼片速率為Rc，采用擴頻碼周期為D，則有Rc=DRs. 由于信號采用跳頻技術，根據奈奎斯特采樣定律，接收端需要使用較高的采樣率進行接收端信號采樣，設采樣率為Rsample=sr?Rc，sr表示每個碼片的采樣點數. 令本地信號長度為M符號.接下來計算單位時間內PMF-FFT 以碼片周期為計算間隔的粗同步算法的運算復雜度.PMF-FFT算法每個碼片間隔進行一次計算，每次計算中包含N次匹配濾波計算，每個匹配濾波計算中包含MD/N個點的復數乘法和復數加法. 匹配濾波完成后進行N個點的FFT 運算，得到FFT運算結果之后搜索N個點中的極值，綜合之后可以得到單位時間內PMF-FFT運算的計算量如下：

CPMF-FFT=Rc?((log2N?N+MD)?Cm+(log2N?N+MD)?Ca+(N-1)?Ccompare)（23）

其中Cm為一次復數乘法計算的運算量，Ca為一次復數加法計算的運算量，Ccompare為兩個數比較計算的運算量.

接下來計算設計粗同步方法的復雜度，該粗同步方法以符號周期為步長進行搜索，每次運算中包含與本地信號相乘的MD次復數乘法，求總能量時的MD次復數乘法和復數加法次數，以及當搜索區(qū)間降低至一個符號內后進行傳統(tǒng)PMF-FFT進行的復數乘法與復數加法次數.設P為信號單個符號周期內發(fā)送端發(fā)送未同步新信號的概率，則單位時間內設計同步方法的總運算量如下：

接下來計算加窗PMF-FFT 算法單位時間內的運算量. 使用窗函數對PMF-FFT 算法進行改善，即在進行局部匹配濾波和快速傅里葉變換之前為運算數據進行加窗處理. 單位時間運算量如下：

接下來計算全相位預處理PMF-FFT 算法的運算量. PMF-apFFT 在PMF 部分與傳統(tǒng)PMF-FFT 相同，在FFT部分，N點FFT的全相位預處理算法需要進行2N-1個數據的加窗操作和N-1次加法操作，最終得到N點數據進行FFT，其單位時間運算量如下：

每種算法的信號捕獲過程計算量如表3所示.

表3 不同算法的運算量比較

可以發(fā)現，當P≤(D-2)/D時，設計算法的運算量要小于其他幾種算法，P越小則設計算法運算量越小.一般來說衛(wèi)星通信中采用的擴頻碼周期大于64，故D>64，(D-2)/D>31/32. 考慮到正常通信情況下每個符號周期內接收到未同步信號的概率應小于1. 故本文設計的粗同步算法與PMF-FFT 算法相結合能夠較為有效的降低信號捕獲過程的復雜度.

5 結論

本文針對衛(wèi)星通信環(huán)境中終端功率受限，以及PMF-FFT 算法搜索步長短，運算量大的問題，提出了一種利用跳頻及跳碼擴頻雙圖案進行能量檢測的粗同步方法. 該方法相比于PMF-FFT 算法及其各種優(yōu)化算法具有更低的計算復雜度，并能夠在搜索步長較長時獲得較好的捕獲性能. 同時，該方法使用兩個時域上的偏移信號進行信號粗同步，壓縮了粗同步算法的搜索區(qū)間，提高了系統(tǒng)的同步速度. 通過仿真可以驗證，在信噪比大于－20 dB 的情況下，使用該算法作為粗同步算法，PMF-FFT 算法作為精同步算法組成同步系統(tǒng)能夠在大大降低計算復雜度的同時保證同步系統(tǒng)的性能非常接近于PMF-FFT算法，能夠滿足衛(wèi)星通信環(huán)境的需要.